如何在具有多个CPU的机器上运行tensorflow 2模型的keras？
要在具有多个CPU的机器上运行TensorFlow 2模型的Keras，可以按照以下步骤操作：
- 首先，确保已经安装了TensorFlow 2和Keras。可以使用pip命令来安装它们：
- 首先，确保已经安装了TensorFlow 2和Keras。可以使用pip命令来安装它们：
- 导入所需的库：
- 导入所需的库：
- 创建一个多层感知器（MLP）模型，这里假设是一个简单的模型：
- 创建一个多层感知器（MLP）模型，这里假设是一个简单的模型：
- 这个模型有两个隐藏层和一个输出层。
- 设置TensorFlow配置，以利用多个CPU进行计算。可以使用
tf.config.threading.set_inter_op_parallelism_threads和tf.config.threading.set_intra_op_parallelism_threads函数设置并行计算的线程数： - 设置TensorFlow配置，以利用多个CPU进行计算。可以使用
tf.config.threading.set_inter_op_parallelism_threads和tf.config.threading.set_intra_op_parallelism_threads函数设置并行计算的线程数： - 这里设置了两个线程用于并行计算。
- 编译并训练模型：
- 编译并训练模型：
- 这里使用了交叉熵作为损失函数，随机梯度下降（SGD）作为优化器，并使用训练数据进行10个周期的训练，每个批次的大小为32。
- 最后，评估模型的性能和预测结果：
- 最后，评估模型的性能和预测结果：
- 可以根据实际情况调整代码中的数据和参数。
在腾讯云的环境中，你可以使用腾讯云的AI计算机实例（例如GPU计算型、高性能计算型等）来运行TensorFlow模型。腾讯云提供了一系列与云计算和人工智能相关的产品和服务，包括腾讯云AI引擎、腾讯云机器学习平台、腾讯云深度学习器等。你可以参考腾讯云的官方文档来了解更多详细信息和产品介绍：
请注意，以上答案仅供参考，具体实现和产品选择可能因实际需求和情况而异。
相关·内容
如何在GCP上有多个CPU和GPU的机器上使用tensorflow 2后端训练keras模型？tf是否在后台自行处理进程？如果是这样，我如何验证它？任何简单的示例代码都是受欢迎的。
浏览 53提问于2020-04-25得票数 0
回答已采纳
1回答
为了提高训练模型的延迟性，我尝试使用Tensorflow混合精度。
正如中提到的那样，仅仅设置策略似乎并不能提高模型的速度：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras import mixed_precision
policy = mixed_precision.Policy('mixed_float16')
mixed_precision.set_global_policy(policy)
但是
浏览 3提问于2021-11-14得票数 0
从我运行的实验来看，TensorFlow似乎会自动使用一台机器上的所有CPU。此外，似乎TensorFlow将所有CPU都称为/cpu:0。
我说的对吗?只有一台机器的不同GPU作为单独的设备被索引和查看，而一台机器上的所有CPU作为一个设备被查看？
从TensorFlows的角度来看，一台机器可以有多个CPU吗？
浏览 2提问于2016-08-09得票数 24
回答已采纳
2回答
什么是暗网，为什么需要它来检测YOLO对象？我读到它是一个用C语言编写的神经网络，但是为什么我们有很多机器学习框架，比如tensorflow，keras，Py手电筒，为什么需要它来检测YOLO对象。
我试着从git代码中训练yolo，我可以看到他们也在使用tensorflow/keras，但不确定为什么最初使用黑网来训练yolo。
暗网/yolo算法
浏览 0提问于2020-01-06得票数 14
我可以在谷歌云机器学习引擎上训练tensorflow模型。但是当我使用Keras代码时，我在google cloud上得到了error No module named keras。
浏览 1提问于2017-04-10得票数 3
2回答
我用keras和tensorflow后端建立了顺序模型。正如你在图片上看到的，模型使用所有的核心，但没有一个100%。我想知道，如何使keras+tf 100%地利用每一个核心。
我试着从头开始构建tensorflow并重新安装，但是没有帮助。
浏览 2提问于2017-04-20得票数 7
回答已采纳
我有一个带有4个Nvidia K80 GPU的盒子。我正在运行Tensorflow 2。当我运行一个培训会话(tf.keras => model.fit())时，我会看到以下日志语句：
I tensorflow/core/common_runtime/gpu/gpu_device.cc:1102] Device interconnect StreamExecutor with strength 1 edge matrix:
I tensorflow/core/common_runtime/gpu/gpu_device.cc:1108] 0 1 2 3
I tensorflow/
浏览 2提问于2020-06-14得票数 1
回答已采纳
我正在使用tf.keras运行一个内存紧张(估计约为6GB)的GAN模型，而我的GPU似乎无法处理这个模型(只报告nans，预测失败)。有办法支持我的4GB GPU内存与系统内存吗？还是一种在GPU和CPU之间共享计算工作量的方法？
我的规格：
操作系统: Windows 10 64
GPU: Geforce GTX 960 (4GB)
CPU: Intel Xeon-E3 1231 v3 (4核)
Python : Spyder 5
Python: 3.8.5 / 3.8.10在只安装了tensorflow和chess模块的conda环境中
Tensorflow: 2
浏览 2提问于2021-06-07得票数 1
我正在使用Tensorflow 2.0的Keras。
在我的Keras模型上调用fit时，它使用所有可用的CPU。
我想限制使用CPU的数量。然而，它在以前版本的Tensorflow中的工作方式已经不能再使用了：
tf.keras.backend.set_session(tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(
intra_op_parallelism_threads=2, inter_op_parallelism_threads=2)))
'tensorflow.python.keras.api._v2
浏览 0提问于2019-09-13得票数 9
回答已采纳
在带有独立keras 2.X的tensorflow 1.X中，我曾经使用以下代码片段在GPU上训练和在CPU上运行推理(出于某些原因，我的keras模型要快得多)之间切换： keras.backend.clear_session()
def set_session(gpus: int = 0):
num_cores = cpu_count()
config = tf.ConfigProto(
intra_op_parallelism_threads=num_cores,
inter_op_parallelism_threads=num_co
浏览 38提问于2019-12-19得票数 11
回答已采纳
我已经成功地设置了可以访问我的图形处理器的TensorFlow 2.1.0： ? 如果我使用Keras (from tensorflow import keras)来适应一些Sequential模型(例如here)，默认情况下会使用GPU或CPU吗？有什么命令可以查看Keras使用的是哪一个吗?我可以自己设置吗？我真的希望看到一些非常基本的Keras模型在GPU和CPU上进行训练，以便更好地感受到性能上的差异。
浏览 22提问于2020-04-13得票数 1
回答已采纳
1回答
它似乎自动使用gpu，但我不知道为什么。
首先，我声明如下：
tf_config = tf.ConfigProto( allow_soft_placement=True )
tf_config.gpu_options.allow_growth = True
sess = tf.Session(config=tf_config)
keras.backend.set_session(sess)
然后，我定义了一些模型如下
with K.tf.device('/gpu:0'):
some keras model
这很明显，它将使用gpu，我检查它使用了第一个gpu(索引为0
浏览 0提问于2018-12-26得票数 4
回答已采纳
我正尝试在亚马逊的Deep Learning AMI上自己的数据集上训练inception ResNetV2模型
当我尝试在本地机器上训练时，训练照常开始，但当我尝试在aws实例上训练时，它被杀死。
首先，我尝试使用MXNET后端进行训练。它给出了以下错误：
请注意，它被杀死了。
所以在
nano ~/.keras/keras.json
我尝试将图像数据格式设置为channels_first：
{
"image_data_format": "channels_first",
"backend": "mxnet&
浏览 0提问于2018-08-13得票数 0
我有一台几乎没有NVidia图形处理器的计算机，使用包'segmentation_models‘，并在Unet的基础上构建神经网络：
import segmentation_models as sm
import keras.backend as K
from keras import optimizers
from keras.utils import multi_gpu_model
lr = 2e-4
NUM_GPUS = 3
learning_rate = lr * NUM_GPUS
adam = optimizers.Adam(lr=learning_rate)
def
浏览 2提问于2020-03-16得票数 3
我正在尝试训练深度学习模型，但在以下几行中出现了这些错误： from tensorflow.keras.layers.experimental.preprocessing import Rescaling
Exception has occurred: ImportError
cannot import name 'Rescaling' 我正在使用这些版本- python 3.6.10 on Miniconda3
tensorflow-gpu=2.1.0
keras-gpu=2.2.4
cuda 11
cuDNN=8.0.1 关于这个问题的帮助将不胜感激。
浏览 184提问于2020-07-29得票数 0
很多我见过的机器学习工作岗位要求使用Tensorflow的经验。如果我有使用Tensorflow的经验，但只能通过使用Keras构建神经网络。这算不算？
我还没有看到在没有Keras的情况下使用Tensorflow的教程或任何代码，所以我看不出人们是如何严格学习Tensorflow的。但是为什么雇主不直接要求使用Keras的经验呢？
浏览 0提问于2021-01-28得票数 0
回答已采纳
1回答
我是机器学习的新手。我很想知道使用Keras而不是TensorFlow对象检测API之间的区别。
请检查两种不同类型的实现: 1) 使用Keras 2) 使用无Keras的Tensorflow对象检测API
谢谢！
浏览 0提问于2020-02-18得票数 1
回答已采纳
问题
请确认在1.15 tensorflow-gpu后使用TensorFlow 的CPU和GPU，安装tensorflow软件包就足够了，并且不再需要。
背景
仍然可以看到声明安装tensorflow-gpu的文章，例如pip install tensorflow-gpu==2.2.0和与最新的tensorflow-GPU2.4.1一起活动。
Annaconda文档还提到了tensorflow-gpu包。
TensorFlow是一个通用的机器学习库，但最受欢迎的是深度学习应用程序。Anaconda中有三种支持tensorflow软件包的变体，其中之一是NVIDIA GPU版本。
浏览 16提问于2021-04-14得票数 3
回答已采纳
使用tensorflow.keras (支持GPU的2.0-Alpha0)，我在新编译的模型和之前保存和重新加载的模型上使用tf.keras.model.fit()的初始化时间都非常长。 我相信这是在tf.data.Datasets()已经加载和预处理之后，所以我不明白为什么花了这么长时间，并且TF/Keras没有输出： 2019-04-19 23:29:18.109067: tensorflow/core/common_runtime/gpu/gpu_device.cc:1149] Created TensorFlow device
Resizing images and creating
浏览 98提问于2019-04-20得票数 11
我正在使用colab来训练一个tensorflow模型。我看到google colab默认安装了以下版本：
import tensorflow
tensorflow.__version__
2.6.0
...
[train model]
...
model.save('mymodel.h5')
但是，当我将模型下载到我的windows pc并尝试用tensorflow/keras加载它时，我得到一个错误
import keras
import tensorflow
model = keras.models.load_model(r"mymodel.h5")
浏览 0提问于2021-10-17得票数 0
有没有可能在本地机器上启动分布式TensorFlow，让每个工作者都有一个模型副本？
如果是，是否可以将每个代理分配为仅使用单个CPU核心？
浏览 4提问于2016-06-24得票数 3
我使用aws ec2来训练一个多标签分类任务的模型.经过训练，我在同一台机器上测试了模型，取得了很好的效果(90+%的准确性)。但是，当我将保存的模型导入我的本地机器(没有GPU)后，它给出了不同的结果(准确率小于5%)。对为什么会发生这种事有什么建议吗？谢谢。
TL;DR：Keras/tensorflow模型在将从GPU机器转换到CPU时产生不同的结果。
浏览 1提问于2017-02-24得票数 5
回答已采纳
我正在使用tensorflow的Keras API训练一个模型，该模型可以检测卡纳达语脚本中的哪些字符在图像中，卡纳达语是一种南印度语言，可以有超过657个类别用于分类，因为字符是辅音和元音的组合。为了更清楚，请参考this维基百科的文章。 此模型的数据集是具有多个子目录的单个目录，每个子目录对应一个类，如下所示：Directory structure 或者，如果你使用kaggle公共链接here，你可以更清楚地看到它的结构。 以下是我所做的导入： import tensorflow as tf
from tensorflow import keras
from tensorflow.ker
浏览 26提问于2021-05-09得票数 0
因此，这个问题可能源于对tensorflow缺乏了解。但是我正在尝试用tensorflow 2.0构建一个多层感知器，但是没有Keras。
原因是，这是我的机器学习课程的一个要求，我们不使用角。你为什么会问？我不确定。
我已经在tensorflow 2.0中轻松地实现了我们的模型，现在我想在没有keras的情况下做同样的事情。
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=784))
model.add(Dropout(0.5))
model.add(Dense(64, activat
浏览 1提问于2019-11-19得票数 10
我注意到和都使用了Nginx、Gunicorn和烧瓶的组合。
我想知道这是否是部署机器学习模型的标准堆栈(例如Scikit- learning、Tensorflow、Keras)。
如果是这样的话，是否有理由将其用于诸如“旋风”之类的替代方案？
如果没有，是否有“标准堆栈”？
浏览 0提问于2018-08-22得票数 0
回答已采纳
有没有人在高效的数据并行方面取得了成功，在这种情况下，您将相同的模型定义发送到多个GPU，但将不同的用户数据发送到每个GPU？
看起来dist-keras可能很有前途。但我很乐意听到任何关于这些方法的反馈。
我们有用户行为数据:10万个用户，200个字段(一个热向量)，每个用户30,000条记录。我们构建了一个RNN，使用Tensorflow之上的Keras来预测只有一个用户采取的下一个操作(out of 20+ possible actions)。在1个GPU上训练大约需要30分钟。(我的机器有8个GPU)。现在，我们希望为所有10万用户构建模型。
我们能够使用多GPU方法对单用户数据执行数
浏览 13提问于2018-01-08得票数 9
我正在一台多GPU机器上运行NVIDIA码头容器中的Keras。我想实例化一个相当标准的模型(Xception)，但是我总是会收到一些奇怪的错误。MRE：
import tensorflow as tf
from keras.applications import Xception
height = 299
width = 299
num_classes = 1000
# Instantiate model
model = Xception(weights=None, input_shape=(height, width, 3), classes=num_classes)
我知道错误：
T
浏览 0提问于2018-05-31得票数 0
回答已采纳
2回答
我正在使用Google TPU来训练一个简单的Keras模型。删除分布式策略并在CPU上运行相同的程序比TPU快得多。那件事怎么可能？
import timeit
import os
import tensorflow as tf
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
fro
浏览 9提问于2019-12-10得票数 4
嗨，我目前正在google学习机器，现在我经历了这个错误keras.Input警告:tensorflow:请在顺序模型中添加而不是keras.Input。 keras.Input 将用于功能模型。在google中。
以下是我的导入类：
# Import classes
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Dense, Dropout
下面是我的模型定义：
# Model definition
model = Sequential()
model.add
浏览 3提问于2021-07-12得票数 1
使用python，keras和tensorflow，我在PC上开发并训练了一个带有GPU ran预测等的模型，一切都很好。 然后，我将模型和预测代码转移到一台装有requirements.txt的笔记本电脑上，重新构建了环境，将gpu包交换到cpu包。 当我尝试运行预测代码时，我得到了一个我无法理解的错误。 我的印象是tensorflow会透明地使用/不使用GPU，所以我想知道它还会是什么。 Traceback (most recent call last):
File ".\metatrader.py", line 231, in <module>
浏览 239提问于2020-11-03得票数 1
1回答
我们如何在不同的机器上保存和加载通用句子编码器模型？ 我使用USE创建了一个Keras模型，并将其保存在机器A上。 from tensorflow.keras.layers import Dense, Dropout, Input
from tensorflow.keras.models import Model, load_model
import tensorflow_hub as hub
import tensorflow as tf
module_url = "/path/on/machine/A/universal-sentence-encoder_4"
emb
浏览 37提问于2021-11-12得票数 0
回答已采纳
3回答
我的问题可分为两部分。
是否有可以通过不同库使用的机器学习模型文件的格式？例如，我保存了一个模型，然后使用tensorflow加载它？
如果没有，是否有一个库可以帮助传输格式，以便可以在keras中直接使用py手电筒机器学习模型？
我问这个问题的原因是，最近我需要调整我以前在tensorflow的一些受过训练的模型。
这个问题的更新： Facebook和微软将推出一个名为ONNX的模型标准，该标准用于在不同的框架之间传输模型，例如在Pytorch到Caffe2之间。链接如下：
对此问题的进一步更新： Tensorflow本身使用协议缓冲区格式存储模型文件，该文件可用于不同模型
浏览 12提问于2017-06-01得票数 1
回答已采纳
我使用Keras和tensorflow作为后端。我有一个编译/训练的模型。
我的预测循环很慢，所以我想找到一种方法来并行化predict_proba调用来加快速度。我想获取一个批次列表(数据)，然后根据可用的图形处理器，在这些批次的子集上运行model.predict_proba()。
本质上：
data = [ batch_0, batch_1, ... , batch_N ]
on gpu_0 => return predict_proba(batch_0)
on gpu_1 => return predict_proba(batch_1)
...
on gpu_N =>
浏览 3提问于2017-02-23得票数 13
回答已采纳
3回答
我必须使用tensorflow和keras，通过jupyter笔记本，用python构建一个机器学习模型。我有一个包含1000张图片的数据集。其中800个我想用来训练模型，200个用来测试和验证。这是一个性别和年龄预测模型。现在，我如何导入我的数据集，或者我如何在upyter笔记本或google colab中写入路径来导入我的数据集。
我所做的是为我的项目导入包。
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.optimizers import Adam
fro
浏览 2提问于2021-01-10得票数 0
我知道keras是TensorFlow的高级接口。
但在我看来，keras可以自己完成许多功能(数据输入、模型创建、培训、评估)。
此外，TensorFlow的一些功能可以直接移植到keras (例如，可以在keras中使用tf度量函数或损失函数)。
我的问题是，TensorFlow提供了什么不能在角星中复制的？
浏览 0提问于2018-09-16得票数 16
回答已采纳
对于一所大学，我们应该使用TensorFlow和keras的python库来实现一个tensorflow项目。我可以使用pip3很好地安装它们，但是执行任何代码都会导致某种错误。
我决定测试非常复杂的代码：
import keras
使用python3.6和最新的tensorflow和keras (pip3 install tensorflow keras)，我得到了错误ModuleNotFoundError: No module named 'tensorflow.python'; 'tensorflow' is not a package。我进行了检查，im
浏览 2提问于2019-06-01得票数 3
回答已采纳
我最近发现了一篇文章，指出下载python机器学习模块的传统方法，如tensorflow和keras，并未针对具有cpu的计算机进行优化。我如何配置tensorflow和keras，使其与我在MacOSX上的Python2.7处理器最兼容？
如果有帮助，我会使用pycharm下载我的大多数库和我的编码接口。
浏览 0提问于2018-06-25得票数 1
1回答
我在Python中使用Keras训练了一个模型，我想在Java程序中使用这个经过训练的模型。我最初打算在Java中直接使用Keras模型，但似乎Keras 2.0还没有得到很好的支持。因此，我将我的Keras模型(存储在.h5中)转换为tensorflow模型(存储在.pb中)。现在，我想在我的Java代码中使用这个模型。但是，我需要三个字符串才能成功地做到这一点：
“标识要加载的特定图解的标签”
将数据输入网络的操作
获取网络结果的操作
我几乎不知道如何找到这些字符串。此时，我无法修改我的模型，特别是因为Tensorflow 2.0删除了get_session()，这意味
浏览 4提问于2019-12-10得票数 5
回答已采纳
我已经为我的机器学习项目导入了以下库，但是当我试图在命令提示符下运行我的模型时.出现了问题
from tensorflow.python.keras import Model
from tensorflow.python.keras.layers import Layer, Input, Conv2D, MaxPooling2D, Conv2DTranspose, concatenate, Lambda
from tensorflow.python.keras.initializers import TruncatedNormal
from keras.optimizers import
浏览 19提问于2021-07-06得票数 2
我使用了TFBertModel和Tensorflow模型来结合和训练拥抱的面部变形。我想保存每个时代的val_accuracy的最佳模型。我使用'tensorflow检查点‘，但我得到了error.How我是否可以保存每个时代的最佳模型与transformers在tensorflow？ from tensorflow.keras.callbacks import EarlyStopping
from tensorflow.keras.initializers import TruncatedNormal
from tensorflow.keras.losses import Cate
浏览 187提问于2021-06-19得票数 0
我使用具有tensorflow和多个gpu配置的python 3，我尝试使用插入多个gpu模型，我创建了一个模型，它很好，编译、运行和训练，但是当我尝试在模型编译之前添加这个模型：
from tensorflow.python.keras.utils import multi_gpu_model
model = multi_gpu_model(model, gpus=2, cpu_merge=False)
我知道这个错误
TypeError: int()参数必须是字符串或数字，而不是'TensorShape‘
注意，我使用的是tf和急切的eval。
我发现指的是使用keras.
浏览 0提问于2019-01-30得票数 2
在我的keras中添加自定义丢失函数@tf.function后，keras模型停止加载(似乎保存模型，但不能重新加载模型)。文件显示这很简单但是..。
各种这样的答案表明，使用一个Keras版本训练的模型不能加载到其他Keras版本中。因此，我卸载了Keras 2.4.3 (从Anaconda env)，以避免任何混淆，并试图仅使用Tensorflow-keras建模和保存/加载。
所以，现在尝试保存一个Tensorflow-keras模型，然后再加载该模型，但是不会重新加载各种错误(如下)。环境是Anaconda3 python3.8 (带有Keras2.4.3，然后卸载它)和Tensorf
浏览 4提问于2020-11-26得票数 2
回答已采纳
Tensorflow 2.0线程安全吗？
更具体地说，在Tensorflow 2.0 (使用Keras )中，在同一个模型上调用fit/predict或其他方法是否安全？
我无法从文档或在线查找中找到明确的答案。
我从2017年就看到了，它说Keras (虽然提到了Theano后端)是线程安全的，但是在调用predict()之前，必须先调用私有方法model._make_predict_function() (我认为已经被否决了)。然而，我读过2019年的，其中说它不是线程安全的。
我还发现了2018年的，它说Tensorflow (前Keras)是线程安全的，但是您必须确保使用默认的图形解释
浏览 3提问于2020-03-25得票数 2
回答已采纳
2回答
一个非常基本的问题。
我正在尝试在Anaconda python(spyder)中安装tensorflow库。
import tf.contrib.keras.preprocessing
它给了我错误，因为我还尝试了导入tensorflow.contrib.keras.preprocessing
我也尝试过from tf.contrib.keras.preprocessing.text import Tokenizer。
这也不起作用
然而，我在tensorflow网站上验证了这一点，它是存在的。指向该库的链接是。
我尝试过pip和conda的安装。但这也抛出了错误。
在anaconda提示符
浏览 0提问于2017-08-11得票数 4
回答已采纳
我已经用tensorflow训练了一个用于ocr的crnn模型。然后我在Windows64位机器上用tensorflow c++ API部署它，它工作得很好。现在我想将该模型部署到windows 32位机器上，但我注意到大多数深度学习框架，如tensorflow和pytorch，都不支持32位机器。然后我尝试了opencv dnn模块和ncnn框架，但它们都不支持我的模型中使用的挤压和解压操作。现在我不知道，有没有人能给我一些建议？谢谢。
浏览 45提问于2019-07-08得票数 1
我需要对tensorflow-keras模型进行分段预测。我的想法是将图像上传到S3桶中，并使用AWS服务，触发进程，进行预测，并将分段的预测掩码保存到新的S3桶中。
在开始时，我用下面的库创建了一些层，以运行模型：
tensorflow 2.0.0b1
角化物2.3.1
opencv
分割-模型
boto3
问题是tensorflow版本(2.0.0b1)已经超过了服务的大小限制(250 MB)。因此，当我试图上传文件时，会出现一个大小错误。
我想我可以重写我的代码以避免分段-模型使用，也许只使用tensorflow.keras而不是Keras，但我仍然需要ten
浏览 9提问于2020-06-12得票数 0
回答已采纳
我们正在尝试使用Google Colab TPU构建一个图像分割深度学习模型。我们的模型是Mask R-CNN。
TPU_WORKER = 'grpc://' + os.environ['COLAB_TPU_ADDR']
import tensorflow as tf
tpu_model = tf.contrib.tpu.keras_to_tpu_model(
model.keras_model,
strategy=tf.contrib.tpu.TPUDistributionStrategy(
tf.contrib.cluster_resolver.TPUCl
浏览 0提问于2018-10-17得票数 3
1回答
利用4，4个隐层对虹膜数据集进行训练，在tensorflow和keras中分别建立神经网络，得到了不同的结果。
tensorflow模型的测试准确率为96.6 %，而keras模型的准确率仅为50%左右。在这两种情况下，学习率、优化器、小批数等各种超参数是相同的。
Keras模型
model = Sequential()
model.add(Dense(units = 4, activation = 'relu', input_dim = 4))
model.add(Dropout(0.25))
model.add(Dense(units = 4, activation =
浏览 0提问于2018-06-20得票数 2
1回答
我试图将py文件编译为二进制文件，该二进制文件简单地从json文件读取模型并通过导入的模型预测输出。现在的问题是，当我试图通过pyinstaller编译程序时，生成的文件大约为290 it，因为它试图编译整个tensorflow包和它不想要的依赖项。更不用说，在尝试提取文件时，启动非常慢。
正如您所看到的，它只是一个简单的代码，它在图像文件夹中运行，并将它们识别为一个模因或非模因内容来清理我的whatsapp文件夹。
import os
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tenso
浏览 2提问于2020-06-16得票数 1
回答已采纳
Tensorflow Keras模型和Tensorflow估计器都能够训练神经网络模型，并使用它们来预测新数据。它们都是建立在低级核心TensorFlow应用程序接口之上的高级API。那么我应该在什么时候使用一个而不是另一个呢？
浏览 6提问于2018-07-21得票数 59
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
